Uber事故冷思考：如何看待这起“全球首例自动驾驶汽车致死案例”

自动驾驶的测试一直都在安静地进行中，直到Uber将这一宁静打破。

美西时间3月18日晚, Uber自动驾驶汽车在亚利桑那州坦佩市（Tempe）撞死了一名横穿马路的行人，死者是一名49岁的妇女。

这是“全球首例自动驾驶汽车致死案例”，事故发生后，Uber立即停止了在凤凰城、匹兹堡、旧金山及加拿大多伦多四地的自动驾驶汽车路测活动。

*事故发生地点（图片来自Google地图）

　　 雷锋网 新智驾根据坦佩市警方的发言了解到，警方在当日晚上十点左右收到报警。事故发生地点在坦佩市的Mill Ave（靠近Curry Road）上（如上图）。

根据警方发言人描述，Elaine是在推着自行车横穿马路时被撞的。当时，Uber的自动驾驶车在Mill Avenue上，以约40英里/小时（约64公里/小时）的速度向北行驶。

　　当时，Elaine正从西 向东 行走，而据发言人的表述，该车没有明显的减速迹象。在声明中，警方未公布当行人横穿马路时距离测试车有多远。

　　值得注意的，警 方强 调为确保安全，希望市民能够通过人行通道过马路。 而事故发生地点前方一百米左右，就有一条人行通道。 发言人也表示，他们已经获得了许多事故相关的视频，但由于还在调查之中，视频暂不公布。

　　 这起悲剧可能是行人的责任？

*事故发生处不远的人行通道(图片来自纽约时报)

　　根据《旧金山纪事报》的独家消息，坦佩市警察局局长Sylvia Moir说：“很明显，由于她（死者）是从阴暗的地方蹿到大路上的， 这起事故不论是对人还是对自动驾驶系统都是难以避免的， ”

　　Moir还表示，根据在车内的司机所言，行人就像闪电一样出现在他眼前，而他的还没反应过来就听到了这起车祸的撞击声，“ 我初步怀疑，Uber应该不是这起事故的责任方。 ”她说。

《旧金山纪事报》指出，事故发生道路限速35英里/小时（约56公里/小时），而当时自动驾驶车车速为38英里/小时（约61公里/小时），事实上已经超速。

　　 尽管这起悲剧有可能是行人的责任，但Uber的自动驾驶技术仍难辞其咎。人们希望自动驾驶是万无一失的，但是它似乎没有识别出横穿马路的行人。

　　 为什么传感器没能检测到行人？

　　

据雷锋网了解，Uber的自动驾驶测试车由摄像头、毫米波雷达、激光雷达和IMU等传感器组合而成。

　　其中，位于Uber测试车顶部的激光雷达，每秒就能够生成几次汽车 周围 的3D图像。不论是在白天还是黑夜，通过反射回来的红外激光脉冲，激光雷达能够清晰地检测出不论是静止还是移动的物体。

毫米波雷达则是利用无线电波来检测物体，因此精度会相对低一些，作用范围也小一些。这个传感器的作用主要是用于辅助激光雷达，识别大型物体。虽然雷达对人的识别能力还不高，但在事故中，它很可能还是检测到了行人。

摄像头负责检测，例如交通信号灯、行人等。摄像头捕捉到的信息需要经过复杂的计算机图像识别算法进行识别。但是摄像头在夜间的信息捕捉能力受光照影响，相对较弱。

值得一提的是，这些从这些传感器中获得的信息并不是相互独立的。在自动驾驶系统中，有一个核心计算单元，会将所有传感器中获得的信息进行融合处理。

既然Uber的自动驾驶汽车搭载了如此完备的传感器，为什么在事故发生前没有检测到行人？

一种猜测是计算机系统和软件出现了问题；也有一种说法是，目前市面上能满足车规的远距离激光雷达产品在恶劣光照情况下的感知距离都不超过50米，Uber的自动驾驶汽车当时车速为38英里/小时（约61公里/小时），即这辆车是以16.6米/秒的速度前行，3秒之内需要人/车做出反应并停下来，但这样的刹车距离显然不够。

目前美国国家运输安全委员会（NTSB）正派遣一个小组来调查这起事故。由于这些都是保密的核心技术，Uber的自动驾驶系统是否出现了问题或缺陷，还无从得知。

但从大体上，我们可以判断的是：在系统上，这辆测试车没有检测到行人及时刹车，功能上是车辆的责任，说到底，是在深夜的公路上，行人检测鲁棒性问题。

此外，值得注意的是，根据现场图片，事发车辆的凹陷处是在右方（如上图），而行人是从车的左边出现的，这或许与行人有意识的进行躲闪有关。

总体而言，对于这起事故，雷锋网听闻不少自动驾驶行业的从业者表达了类似的看法：自动驾驶需要更可靠、安全的传感器和软件算法。

　　去年 夏天 接替Uber CEO之位的Dara Khosrowshahi在前不久表示，Uber将在18个月内将自动驾驶汽车送上公路，“不是进行路测，而是真真正正地上路”。

这样的决心，加上第一起自动驾驶致死事故发生在激进的Uber身上，多少让人觉得是Uber急于求成，让自动驾驶行业蒙上了一层阴影。

　　 如何看待这起事故？

由于这是“全球首例自动驾驶汽车致死案例”，自然获得不少行业人士和媒体的关注。但是如果用“自动驾驶汽车杀人”这样的描述显然是不妥的。

Minieye CEO刘国清向雷锋网表示，自动驾驶路测的目的就是为了发现技术漏洞。自动驾驶的每一次“脱离”（disengements）的场景都会被作为“corner case”（极端案例）记录下来，交由工程师去解决或者优化，所以每一次“脱离”都是对自动驾驶的推动。

但是大部分的极端案例都是开发者无法预期的场景，往往事后才能获得。如何能够为更为高效和低成本获取这样的极端场景，对自动驾驶的发展或有巨大意义。但目前这方面还处于初期，不成熟。这个坎跨不过，Level 4级别以上的自动驾驶无法落地。

在谈到自动驾驶汽车安全时，丰田研究所负责人Gill Pratt在接受采访时曾表达过这么一个观点：

对于人类驾驶造成的事故，我们可能会想，“这可能发生在我身上，我也可能犯这样的错。”如果是一台机器，我担心人们并不会因此产生同理心，因为他们只会希望这台机器是完美、不会出错的。

在Pratt看来，AI系统，特别是基于机器学习的AI系统，并不是十全十美、毫无缺点的。由于通过传感器获取的外部信息维度太大，汽车会接收以前从未训练过的信息，我们期望它能够根据这些信息对周围环境做出合理认知。

那么，如何证明自动驾驶汽车需要比人类司机更懂驾驶，才算是足够好？Pratt 对这个问题的答案也不确定。他说，“在有答案之前，我们必须非常谨慎：不要引入不符合社会预期的技术。”

　　纵目科技市场与商务副总裁 陈超 卓认为，没有地理围栏的自动驾驶，10年内也落不了地。陈超卓说，几年內能落地的自动驾驶只有两种地理围栏：高速简单场景和低速园区场景。

他提起的这两个场景正是目前大部分汽车厂商和新创公司正在对自动驾驶技术进行落地的尝试，也是当前符合社会预期的两个方向。

而另一方面，在全球范围内很多家科技公司和汽车厂商也在研发更高级别（Level 4/5）的自动驾驶技术，以期能颠覆物流运输和打车业务。例如 Uber、Waymo、百度和通用旗下 Cruise Automation、安波福等多家科技公司和车企、Tier 1都在研发和测试自动驾驶汽车技术。

来自法国的技术和商业市场研究公司Yole Développement曾预测，2018年预计将有8000到10000辆自动驾驶出租车将投入商用。 虽然10000辆自动驾驶汽车对消费者来说产生的影响可能是微不足道的，但对整个行业来说具有深远影响。

既然这是大势所趋，那么如果我们从历史规律看，新技术的发展从来就是由经验教训堆积而来——有的是金钱，有的是生命，有的是以企业倒闭为代价。

可以预料的是，即便是以后其他公司的自动驾驶上路，也会发生类似事件。在雷锋网看来，“全球首例自动驾驶汽车致死案例”对自动驾驶行业是一个警示，它会让整个行业更加注重技术的安全性，对任何涉及安全的问题心存更多的敬畏。